使用OPENCV3图像对齐
1. 左边的图像是一个具有历史意义的照片的集合称为-集。图像是由使用一个早期的彩色摄像机拍摄。因为相机的机械性质，图像的颜色通道未对齐。右边的图像通过进行对齐后的图像。
可以从这里的下载部分中的所有示例中的所有示例代码。
在这篇文章中，我们将开始一个有趣的彩色摄影的历史。这篇文章是致力于彩色摄影的早期先驱，使我们能够捕捉和存储我们的记忆中的颜色。
2. 一个简短的彩色照片发展过程
由 和 拍摄的首张3灰度图像
由James Clerk 在1855年提出，我们可以用滤光片（红，绿，蓝）进行滤光后拍摄，然后再将这三个图片结合起来。在1861年，英国摄影师利用这个方法拍摄了第一张彩色图像。他获取了图片的三个灰度图，然后进行了叠加。但是，这个方法存在一个问题，因为当时可用的感光材料对蓝光敏感，但对绿光不敏感，对红光几乎不敏感。虽然它的实践是革命性的，但这种方法是不实际的。
到了20世纪初，感光材料的敏感度已经大大提高，并在前十年有几种相机已经可用于彩色摄影。在这些相机，最流行的彩色相机，由Lumière兄弟发明。
最具有竞争性的相机系统是由Adolf 设计，并由 制造，被称之为 Dr. ’s -。其中意为三色。同时这个相机有一个长的玻璃板，可以同时放下三色滤光片。
利用这个相机，-在长达十年的时间里拍摄了俄罗斯近10000张图片，幸运的，这些图片保留了下来。从这些黑白图像生成一个彩色图像是不平凡的（如图3所示）。 相机是一个机械装置，这三个图片的跨度超过2-6秒。因此，三频道经常失准，简单地堆积起来导致了一个很不理想，结果如图1所示。
运动模块
在一个典型的图像对齐问题，一个场景我们有两个图像，他们运动模型都是相关的。不同的图像对准算法的目的是估计这些运动模型的参数，使用不同的参数和假设。一旦这些参数是已知的，就可以直接从一幅图像变换到另一个
让我们快速看看这些运动模型看起来像什么。
（）：第一图像可以平移（x，y）所获得的第二图像。只有两个参数X和Y，我们需要估计。
（）：第一幅图像旋转和移动版本。所以有三个参数X，Y和角度。你会注意到在图4中，当一个正方形进行欧氏变换，大小不改变，平行线保持平行，并且在变换后的直角保持不变。
（）：仿射变换是一个组合的旋转，平移（移位），规模，和剪切。这个变换有六个参数。当一个正方形进行仿射变换时，平行线保持平行，但在直角相交的线不再保持正交。
单应性（）：所有上述二维变换变换。他们没有考虑到3D效果。单应变换另一方面可以考虑一些3D效果（但不是全部）。这个变换有8个参数。当一方转化使用单应能改变任何四边形。
在的仿射变换，储存在一个2 x 3大小的矩阵。平移和欧氏变换是仿射变换的特殊情况。在平移过程中，旋转、尺度和剪切参数为零，而在欧氏变换中的尺度和剪切参数都为零。因此，移动和欧氏变换也存储在一个2×3矩阵。一旦这个矩阵估计（我们将在下一节中看到），可以对图像进行功能。
单应性，存储在一个3×3矩阵。一旦单应估计，图像可以被纳入对齐使用。
使用增强的相关系数图像配准（ECC）最大化
ECC的图像对准算法中引入了 3是基于2008篇题为参量图像对齐使用增强的相关系数最大化的 D. 和 Z. 。他们建议使用一种新的相似性度量称为增强型相关系数（ECC）的运动模型的参数估计。使用他们的方法有两个优点。
不同于像素强度差异的传统的相似性度量，ECC是光度失真的对比度和亮度不变。
虽然目标函数是参数的非线性函数，但他们发展的迭代格式来求解优化问题是线性的。换言之，他们采取了一个问题，看起来在计算复杂的表面上，并找到一个简单的方法来解决它迭代。
在中使用
在中我们使用有以下步骤：
读取图像。
将它们转换为灰度图。
选择一个你想估计的模型。
分配空间（）存储运动模型。
定义一个终止准则，告诉该算法什么时候停止。
估计使用运动矩阵。
将经矩阵应用到图像中的一个与其他图像对齐。
// Read the images to be aligned
Mat im1 = imread("images/image1.jpg");
Mat im2 = imread("images/image2.jpg");// Convert images to gray scale;
Mat im1_gray, im2_gray;
cvtColor(im1, im1_gray, CV_BGR2GRAY);
cvtColor(im2, im2_gray, CV_BGR2GRAY);// Define the motion model
const int warp_mode = MOTION_EUCLIDEAN;// Set a 2x3 or 3x3 warp matrix depending on the motion model.
Mat warp_matrix;// Initialize the matrix to identity
if ( warp_mode == MOTION_HOMOGRAPHY )warp_matrix = Mat::eye(3, 3, CV_32F);
elsewarp_matrix = Mat::eye(2, 3, CV_32F);// Specify the number of iterations.
int number_of_iterations = 5000;// Specify the threshold of the increment
// in the correlation coefficient between two iterations
double termination_eps = 1e-10;// Define termination criteria
TermCriteria criteria (TermCriteria::COUNT+TermCriteria::EPS, number_of_iterations, termination_eps);// Run the ECC algorithm. The results are stored in warp_matrix.
findTransformECC(im1_gray,im2_gray,warp_matrix,warp_mode,criteria);// Storage for warped image.
Mat im2_aligned;if (warp_mode != MOTION_HOMOGRAPHY)// Use warpAffine for Translation, Euclidean and AffinewarpAffine(im2, im2_aligned, warp_matrix, im1.size(), INTER_LINEAR + WARP_INVERSE_MAP);
else// Use warpPerspective for HomographywarpPerspective (im2, im2_aligned, warp_matrix, im1.size(),INTER_LINEAR + WARP_INVERSE_MAP);// Show final result
imshow("Image 1", im1);
imshow("Image 2", im2);
imshow("Image 2 Aligned", im2_aligned);
waitKey(0);彩色图的重建
上面的影像也在-采集部分。左边是未对齐的RGB通道的图像，右边是调整后的图像。这张照片还显示，在第二十世纪初的照片板是敏感的，捕捉到的颜色光谱很广。鲜艳的红色，蓝色和绿色。
在前面的章节中的代码可以用来解决一个图像配准问题。然而，如果你用它来重建上述形象，你会感到非常失望。在现实世界中的计算机视觉是艰难的。
问题是，如果在一个图像中的红色，绿色和蓝色通道是不强烈相关。例如，检查出蓝色礼服的埃米尔图3穿。在三个渠道看起来有很大的不同。然而，即使强度是不同的，在三个通道中的东西是相似的，因为一个人的眼睛可以很容易地告诉它，它是相同的场景。
事实证明，在梯度域的图像的三个通道的更强烈的相关性。这并不奇怪，因为即使在三个通道中的强度可能是不同的，由对象和颜色边界所产生的边缘地图是一致的。
using namespace cv;
using namespace std;Mat GetGradient(Mat src_gray)
{Mat grad_x, grad_y;Mat abs_grad_x, abs_grad_y;int scale = 1;int delta = 0;int ddepth = CV_32FC1; ;// Calculate the x and y gradients using Sobel operatorSobel( src_gray, grad_x, ddepth, 1, 0, 3, scale, delta, BORDER_DEFAULT );convertScaleAbs( grad_x, abs_grad_x );Sobel( src_gray, grad_y, ddepth, 0, 1, 3, scale, delta, BORDER_DEFAULT );convertScaleAbs( grad_y, abs_grad_y );// Combine the two gradientsMat grad;addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, grad );return grad; using namespace cv;
using namespace std;// Read 8-bit color image.
// This is an image in which the three channels are
// concatenated vertically.
Mat im = imread("images/emir.jpg", IMREAD_GRAYSCALE);// Find the width and height of the color image
Size sz = im.size();
int height = sz.height / 3;
int width = sz.width; // Extract the three channels from the gray scale image
vectorchannels;
channels.push_back(im( Rect(0, 0, width, height)));
channels.push_back(im( Rect(0, height, width, height)));
channels.push_back(im( Rect(0, 2*height, width, height))); // Merge the three channels into one color image
Mat im_color;
merge(channels,im_color);// Set space for aligned image.
vector aligned_channels;
aligned_channels.push_back(Mat(height, width, CV_8UC1));
aligned_channels.push_back(Mat(height, width, CV_8UC1));// The blue and green channels will be aligned to the red channel.
// So copy the red channel
aligned_channels.push_back(channels[2].clone());// Define motion model
const int warp_mode = MOTION_AFFINE;// Set space for warp matrix.
Mat warp_matrix;// Set the warp matrix to identity.
if ( warp_mode == MOTION_HOMOGRAPHY )warp_matrix = Mat::eye(3, 3, CV_32F);
elsewarp_matrix = Mat::eye(2, 3, CV_32F);// Set the stopping criteria for the algorithm.
int number_of_iterations = 5000;
double termination_eps = 1e-10;TermCriteria criteria(TermCriteria::COUNT+TermCriteria::EPS,number_of_iterations, termination_eps);// Warp the blue and green channels to the red channel
for ( int i = 0; i < 2; i++)
{double cc = findTransformECC (GetGradient(channels[2]),GetGradient(channels[i]),warp_matrix,warp_mode,criteria);if (warp_mode == MOTION_HOMOGRAPHY)// Use Perspective warp when the transformation is a HomographywarpPerspective (channels[i], aligned_channels[i], warp_matrix, aligned_channels[0].size(), INTER_LINEAR + WARP_INVERSE_MAP);else// Use Affine warp when the transformation is not a HomographywarpAffine(channels[i], aligned_channels[i], warp_matrix, aligned_channels[0].size(), INTER_LINEAR + WARP_INVERSE_MAP);} // Merge the three channels
Mat im_aligned;
merge(aligned_channels, im_aligned);// Show final output
imshow("Color Image", im_color);
imshow("Aligned Image", im_aligned);
waitKey(0); 
